### 讀取excel的兩種方法
# 方法1
df = pd.read_excel(
'demo.xlsx'
(df.head(2)
)# 讀取前2條資料
# 方法2
df1 = pd.read_excel(
'企業資訊模板表.xlsx'
, sheet_name=
'sheet1'
(df1.head())
# 預設讀取前5條資料
# 方法3
df2 = pd.read_excel(
'demo.xlsx'
, sheet_name=
0, header=0)
(df2.head(5)
)### pandas常用操作
# 查詢列
(df.columns[3]
)# 查詢行
(df.index[2]
)# 讀取所有姓名
(df[
'姓名'
].values)
# 讀取麻子的資訊
(df.iloc[3]
)# 獲取年齡大於22的姓名
(df.loc[df[
'年齡'
]>=22]
)# 獲取麻子的聯絡**
num = df[df[
'姓名'
].isin(
['麻子'])
]# 獲取行號
mobile = df.iloc[[3
],[4
]].values
(mobile[0]
[0])
# 獲取索引當df['***']不好用時
#df = pd.read_excel(r'c:\users\administrator\desktop\備份\202009工業產值小冊子-d.xls', sheet_name='產值效益',dtype='object')
# 獲取索引
num = df[df.iloc[:,
0].isin(
['出**貨值'])
].index.tolist()[
0]# 取值
data = df.iloc[
[num],[
3]].values
log.info(self,data)
# 獲取某一列資料 2
(df[
'姓名'])
# 新增 .values 會將其轉為列表
# 獲取姓名，年齡 列所有資料
(df[
['姓名'
,'年齡']]
)# 獲取姓名到手機之間的行所有資料
(df[1:
3])#### 獲取某一行或多行
# 獲取第二行的資料
(df.loc[1]
.values)
# 新增.values 會將其轉為列表
# 獲取多行的資料
(df.loc[1:
5])# 獲取指定行的資料
(df.iloc[1]
.values)
# 效果同xx.loc[1].values
# 根據行標籤，篩選行和列
# 獲取年齡到練習**的所有資料
# 使用格式 : df.[列索引起始:列所有結束 ,行索引起始:行索引結束]
(df.loc[:,
'姓名'
:'練習**'])
# 新增.values 會將其轉為列表
# 篩選行
# 獲取1到5行的所有資料
(df.loc[1:
5,:]
)# 獲取2到3行的姓名~練習**
(df.loc[1:
3,'姓名'
:'練習**'])
### 篩選資料 條件篩選
# 年齡大於等於 22 的所有資訊
(df[df[
"年齡"
]>=22]
)# 年齡大於20 小與24 的資訊 '&' 同時滿足成立
(df[
(df[
'年齡'
]>=20)
&(df[
'年齡'
]<=22)
])# 年齡大於23 或者 職位 是測試的 '\' 滿足任意條件即成立
(df[
(df[
'年齡'
]>23)
|(df[
'職位']==
'測試')]
)# 將每行的年齡與練習**相加
# 取出單行的姓名
datas = df.loc[:,
['年齡'
,'練習**']]
.values
(datas)
for i in datas:
('合：{}'
.format
(i[0
]+ i[1]
))# 修改麻子為小芳，並另存為ceshi.xlsx
df.iloc[[3
],[1
]]='小強'
df.to_excel(
'ceshi.xlsx'
, index=
none
)
pandas常用方法
import pandas as pd import numpy as np import matplotlib.pyplot as plt import datetime import redf pd.read csv path file.csv 引數 header none 用預設列名，0，1，...
pandas 常用方法
import pandas as pd pd.read csv filename,encoding utf 8 讀取csv pd.to csv filename 儲存檔案，filename為檔案路徑，可以是相對路徑or絕對路徑 pd.to csv filename,index 0 儲存到檔案時，不要...
pandas 常用統計方法
pandas 物件有一些統計方法。它們大部分都屬於約簡和匯 計，用於從 series 中提取單個值，或從 dataframe 的行或列中提取乙個 series。比如dataframe.mean axis 0,skipna true 方法，當資料集中存在 na 值時，這些值會被簡單跳過，除非整個切片 ...